Partea 2: Care este efectul reactivării memoriei în timpul învățării?

Contact: Audrey Hu Whatsapp/hp: 0086 13880143964 E-mail:audrey.hu@wecistanche.com

Vă rugăm să faceți clic aici pentru partea 1

Cistanche poate îmbunătăți memoria

Definiția modelului Modelul LBA (Brown și Heathcote, 2008) presupune că, la fiecare încercare, punctul de pornire k al fiecărui acumulator este tras la întâmplare dintr-o distribuție uniformă pe intervalul [0, A]. Fiecare acumulator urmează apoi o linie cu o pantă de d până când atinge pragul de răspuns b. La fiecare încercare, panta acumulatorului i este extrasă dintr-o distribuție normală cu media vi și SD s (aici, fixată la 1). Timpul pentru ca un acumulator să atingă pragul este (bk)/d. Am modelat testele de inferență cu alegere forțată cu trei alternative utilizând trei acumulatori cu rate medii de deriva v1 (pentru răspunsul corect) și v2 (pentru celelalte două răspunsuri). După cum este derivată în descrierea inițială a modelului LBA (Brown și Heathcote, 2008), funcția de densitate de probabilitate (PDF) pentru acumulatorul I la momentul t este după cum urmează:

Unde f și U sunt funcția de densitate de probabilitate și, respectiv, funcțiile de distribuție cumulativă ale distribuției normale standard. Funcția de distribuție cumulativă (CDF) pentru acumulatorul I la momentul t este după cum urmează:

PDF-ul pentru acumulatorul I care atinge pragul mai întâi, la momentul t, este probabilitatea ca acumulatorul I să se termine la momentul t, condiționat de ca ceilalți acumulatori să nu fi terminat încă, după cum urmează:

Deoarece rata de derive d este extrasă dintr-o distribuție normală, există o anumită probabilitate ca acumulatorii să nu se termine. În urma lucrărilor anterioare

(Brown și Heathcote, 2008; Annis et al., 2017), am condiționat de probabilitatea ca cel puțin un acumulator să aibă o rată de deriva pozitivă după cum urmează:

Pentru fiecare dintre cele patru lanțuri, a existat o fază de reglare de 1000 de iterații cu o rată de acceptare țintă de 0,99, urmată de 5000 de mostre. Convergența a fost evaluată folosind dimensiunea efectivă a eșantionului în vrac și statistica de reducere a potențialului divizat în funcție de rang R^ (Vehtari și colab., 2017). Am evaluat potrivirea modelului prin calcularea parametrilor posteriori medii pentru fiecare studiu, precum și prin simularea răspunsurilor și timpilor de răspuns. Am simulat 50 de replicări ale fiecărei încercări pentru a obține o estimare solidă a performanței modelului. În cele din urmă, am calculat intervalul de înaltă densitate (HDI) de 95% pentru fiecare dintre parametrii medii la nivel de grup (de exemplu, mCA1 pentru CA1) pentru a determina dacă au fost diferiți de zero, indicând o relație între modificarea sau reactivarea similarității și inferența AC. performanţă.

beneficii cistanche de deșert

Rezultate

Performanță comportamentală

Până la sfârșitul fazei de învățare a perechii inițiale (AB), participanții și-au format amintiri puternice despre perechile de formă a feței și a scenei. Toți participanții au fost peste șanse la testul final (proporția medie corectă=0.91, SD{=0.01) și, prin urmare, au fost incluși în analizele ulterioare.Memoriepentru perechile suprapuse (BC) formă-obiect a fost influențată de similitudinea vizuală a elementului de legătură în procesul de învățare (Fig. 2A, B). O ANOVA cu măsurători repetate cu factorii din cadrul subiecților

a blocului de perechi suprapus (1, 2, 3, 4) și a similitudinii vizuale (potrivire exactă, similaritate ridicată, asemănare scăzută, nou) au arătat că asemănarea vizuală a modulatmemorieprecizie (efectul principal al blocului, F(3,75)=79.93,p,0.{{30}}01, h{{6 }}.762; blocați interacțiunea de similaritate vizuală, F(9.225) {{1{{5{{0}}}},88, p =0.003 , h2=0.1{03) și timpul de răspuns (efectul principal al similitudinii asupra încercărilor corecte, F(3,72)=5.14, p =0 .003, h2=0.176). Pentru primul bloc de învățare de perechi suprapuse, performanța a fost superioară (Fig. 2A) când elementul de legătură (B) a fost o potrivire exactă cu perechile învățate inițial (AB) în raport cu toate celelalte condiții. A existat un efect de similitudine vizuală în primul bloc de testare (efect de similaritate vizuală în prima rulare, F(3,75)=6.901, p,0.001, h2=0.216) dar nu în rulările ulterioare (valorile F 0,479, toate p 0,698, toate h2 0,019). În prima rulare, testele t cu perechi post-hoc au arătat că acuratețea a fost cea mai mare pentru perechile cu o potrivire exactă în raport cu toate celelalte perechi (comparativ cu asemănarea mare: t(25)=3.33,p =0 0,003, d =0,654; asemănare scăzută: t(25)=4,52, p,0,001, d =0,894; nou: t(25) {{55} },74, p =0,011, d =0,539). Performanța a fost mai mare pentru perechile cu similaritate mare decât pentru perechile cu similaritate scăzută (t(25)=2.306, p =0.03, d=0.459). Nu a existat nicio diferență de performanță între similaritatea mare și perechile noi (t(25)=0.87, p =0.394, d{=0.172) sau asemănarea scăzută și noua perechi (t(25)=0.76, p =0.452, d{=0.151). Când au fost prăbușite în bloc, perechile cu potriviri exacte au avut cel mai rapid timp de răspuns (Fig. 2B) la încercările corecte (comparativ cu toate celelalte condiții, valorile t 2,206, toate p, 0,05, toate d 0,445). Timpul de răspuns nu a diferit între similaritatea mare, asemănarea scăzută sau perechile noi (toate valorile t 1,748, toate p 0,05, toate d 0,348).

Similitudinea vizuală a elementului de legătură a influențat, de asemenea, o acuratețe a inferenței între episoade (F(3,75)=26.61, p ,0.001, h2=0.516). Participanții au avut mai multe șanse să deducă o relație între relații indirectememorieelemente (AC) atunci când elementul de legătură (B) a fost o potrivire exactă sau foarte asemănătoare între perechile suprapuse (Fig. 2C). Performanța de inferență nu a fost diferită între potrivirea exactă și triadele de similaritate mare (t(25)=1.20, p =0.24, d=0.23{ {19}}), dar performanța pentru triadele de potrivire exactă a fost superioară atât triadelor cu similaritate scăzută (t(25)=6.82, p,0.001, d{=1.327) cât și triadelor noi (t (25)=6.61, p,0.001, d{=1.286). De asemenea, performanța pentru triadele cu similaritate ridicată a depășit nivelul scăzut

triade de similaritate (t(25)=5.05, p,0.001, d =0.987) și triade noi (t(25) {{8 }}.38, p,0.001, d =1.055). Urmărește cuperformanță (performanța de inferență nu a diferit între similaritatea scăzută și noile triade (t(25)=1.17, p =0.254, d=0.224). Totuși, per- formanța pentru triadele cu similaritate scăzută a fost în mod sigur mai bună decât șansa (t(25)=2.22,p =0.04, d=0.435), în timp ce performanța pentru noile triade a fost nu (t(25)=0.47,p =0.64, d =0.093).

Deciziile de inferență au fost, de asemenea, mai rapide pentru potrivirea exactă și condițiile de similaritate ridicată în raport cu noua condiție (F(3,72)=11.79,p,0.001, h{ {6}}.329), cu inferențe pentru condiția de potrivire exactă fiind în general cele mai rapide (Fig. 2D). Timpul de răspuns a fost mai rapid pentru triadele de potrivire exactă în raport cu condițiile de similaritate ridicată (t(25) {{10}}.41, p =0.002, d=0.669) și triade noi (t(24)=5.00, p,0.001, d =0.999), dar nu diferă de triadele cu similaritate scăzută (t(25) =1.64, p =0.114, d =0.321). Timpul de răspuns a fost mai rapid pentru triadele cu similaritate mare în comparație cu triadele noi (t(24)=2.93, p =0.007, d =0.585), dar nu a diferit de scăzut triade de similaritate (t(25)=1.11, p =0.28, d =0.217). Triadele cu similaritate scăzută au fost mai rapide decât triadele noi (t(24) =3.86, p =0.001, d =0.773). Împreună, aceste constatări arată că asociativmemorieși o inferență între episoade, două procese despre care se crede că sunt susținute de subcâmpurile hipocampale (Schapiro și colab., 2017), sunt influențate de similitudinea perceptivă a elementelor de evenimente partajate, cu performanță facilitată cu niveluri mai ridicate ale unui asemănare între episoade.

Reactivarea amintirilor suprapuse în timpul învățării Pentru a testa cât de corticalămemoriereactivarea în timpul învățării perechilor suprapuse are un impact asupra reprezentărilor subcâmpurilor hipocampului, am folosit mai întâi o analiză reflector pentru a identifica unde informațiile despre perechile inițiale au fost reactivate în cortex în timpul învățării. În cadrul fiecărei sfere de proiector, un clasificator de model a fost antrenat pe datele dintr-o fază de localizare și apoi aplicat fazei de studiu a perechilor suprapuse (Zeithamova și colab., 2012). Proiectorul a identificat regiunile în care dovezile clasificatorului pentru categoria țintă a articolului înrudit (elementele față sau scena A din perechile inițiale) au depășit un indice de bază al dovezilor clasificatorului pentru aceeași categorie derivată din studiile noi (sau care nu se suprapun). Am găsit dovezi că amintirile legate au fost reactivate cândînvățarea perechilor suprapuse în cortexul cingulat posterior, cortexul occipital și cortexul parietal (Fig. 3A).

Foarte important, nu au existat diferențe în puterea de reactivare în funcție de categoria de articol A (față, scenă) în regiunile identificate în analiza reflectorului (Fig. 3B). O ANOVA cu măsurători repetate cu factorii din interiorul subiecților din regiune (parietal stâng, parietal drept, cingulat, occipital superior, occipital inferior) și categorie de stimul (față, scenă) a demonstrat că reactivarea a variat în funcție de regiuni (efectul principal al regiunii, F(4.100)=2.84, p =0.028, h{2=0.102), dar nu diferă în funcție de categoria de stimul (efectul principal al categoriei, F(1,25) { {15}}.002,p =0.967, h2 =0;interacțiunea regiunii categorie, F(4.100)=0.375, p =0.826, h2=0.015). Astfel, rezultatele noastre nu au fost determinate de o singură categorie de stimul și reflectămemoriereactivarea mai degrabă decât angajarea regiunilor de procesare specifice categoriei.

Am testat în continuare dacă similitudinea vizuală a elementului B partajat pe parcursul învățării a influențat putereamemoriereactivare pentru articolele A. Noi am prezis astamemoriereactivarea în timpul învățării ar fi mai puternică pentru perechile legate de un element mai similar vizual. Folosind o abordare similară cu analiza anterioară, analizele reflectoare separate au identificat regiuni în care dovezile clasificatorului pentru elementul A înrudit au fost mai mari pentru condiția de potrivire exactă decât pentru condițiile de similaritate ridicată și scăzută. În concordanță cu ipoteza noastră, am constatat că similitudinea componentelor evenimentului a modulat putereamemoriereactivare în cortexul parietal stâng și cortexul occipital (Fig. 3C).

experiență cistanche: îmbunătățiți memoria produselor cistanche

Reactivarea memoriei are un impact asupra codării neuronale în subcâmpurile hipocampului

Pentru a ne testa ipoteza că reactivarea amintirilor înrudite în timpul noii codificări ar duce la reprezentarea disociabilă a amintirilor suprapuse în DG/CA2,3 și CA1, am cuantificat codificarea subcâmpului hipocampului în funcție dememorieforta de reactivare in timpul invatarii. Atât înainte, cât și după învățarea perechilor, participanții au fost scanați în timp ce vizualizau imagini individuale ale elementelor A și C din perechi suprapuse în condiția de similaritate ridicată (Fig. 1A). Am indexat diferențierea și integrarea prin măsurarea schimbărilor legate de învățare în similitudinea modelelor pentru articolele A și C legate indirect din aceeași triadă (Schlichting și colab., 2015). Schimbările de similaritate în cadrul aceleiași triade au fost comparate cu o linie de referință a modificărilor de similaritate între elementele din diferite triade. Am măsurat diferențierea prin testarea unei scăderi a similitudinii modelului între itemii A și C după învățare (Fig. 4A). În schimb, integrarea ar fi marcată de o similaritate crescută a modelului între elementele A și C legate indirect, reflectând formarea de coduri suprapuse pentru memoriile înrudite (Fig. 4A).

Pentru a evalua impactulmemoriereactivarea în timpul învățării privind codarea neuronală a indirect legatememorieelemente, am calculat schimbarea reprezentațională pentru triade pe baza puterii reactivării în studiile de învățare suprapuse. Pentru fiecare participant, am sortat perechile suprapuse în cele asociate cu reactivarea mai puternică și mai slabă a perechii inițiale corespunzătoare, pe baza unei împărțiri medii a indicilor de reactivare medii în toate grupurile identificate în reflectorul de reactivare (Fig. 3A). Apoi am comparat codificarea neuronală între elementele A și C legate indirect, asociate cu diferite niveluri de reactivare. În mod critic, toate analizele care evaluează schimbarea reprezentativă în subcâmpurile hipocampului s-au bazat doar pe date din triadele cu similaritate ridicată. Această abordare menține constantă similaritatea vizuală a elementului de legătură, oferind un test critic pentru a stabili dacă reactivarea memoriei mediază schimbarea reprezentativă dincolo de modificările mediului fizic.

Am efectuat patru analize reflectoare în subcâmpuri individuale ale hipocampului pentru a testa efectele reactivării asupra schimbărilor reprezentaționale legate de învățare pentrumemorieelemente (Fig. 4B). În primul rând, am folosit două analize reflectoare pentru a identifica regiunile hipocampului care au arătat diferențierea sau integrarea elementelor A și C, indiferent de gradul dememoriereactivarea în timpul învățării în perechi suprapuse (DifferentiationOverall și, respectiv, IntegrationOverall) și nu au observat efecte semnificative în hipocampus.

În schimb, am prezis că similitudinea reprezentativă a elementelor indirect legate în subcâmpurile hipocampului ar depinde de putereamemoriereactivarea în timpul învățării perechilor care se suprapun. Pentru a testa această ipoteză, am efectuat două analize suplimentare de reflectoare care au căutat o interacțiune între schimbarea reprezentativă legată de învățare șimemoriereactivare; aceste reflectoare au izolat regiunile hipocampului, arătând fie diferențiere, fie integrare în studiile cu o reactivare mai puternică în timpul învățării în perechi suprapuse (DifferentiationReactivation și IntegrationReactivation).

Am descoperit că o reactivare mai puternică a amintirilor perechilor inițiale în timpul învățării perechilor suprapuse a avut consecințe diferite asupra direcției schimbării reprezentaționale observate în subcâmpurile hipocampului. Când amintirile inițiale (A) au fost puternic reactivate în timpul învățării perechilor suprapuse (BC), asemănarea modelului DG/CA2,3 a scăzut între elementele A și C de la învățare la postînvățare (Fig. 4C, D; Reactivare diferențiere). Subiculul a prezentat același model ca DG/CA2,3, cu o reactivare mai puternică ducând la scăderea asemănării modelului pentru articolele A și C. În contrast, CA1 a arătat un model opus de schimbare reprezentațională cândmemoriereactivarea a fost mai puternică, cu similaritate crescută între itemii A și C după învățare (Fig. 4C, D; IntegrationReactivation). Aceste constatări sugerează că reprezentarea amintirilor suprapuse în subcâmpurile hipocampului este condiționată dememoriereactivarea în timpul învățării, cu aceleași condiții conducând la coduri de reprezentare disociabile în cadrul DG/CA2,3, CA1 și subiculum.

În cele din urmă, am efectuat o serie de analize post-hoc pe fiecare subcâmp hipocampal identificat în analiza reflectorului pentru a înțelege în continuare modul în care reactivarea a modulat codificarea în fiecare regiune. Am cuantificat mai întâi dacă au existat schimbări globale în similitudinea neuronală pur și simplu ca o funcție a învățării, calculând D-ul între triada pentru elementele A și C nelegate (adică, linia de bază între-triade). Triada D nu a fost semnificativ diferită de zero în CA1 (t(24)=0.383, p =0.705, d =0.077) sau subicul (t(25)=1.233, p =0.229, d =0.242), dar a fost mai mare decât zero pentru DG/CA2,3 (t(25)=3.431 ,p =0.002, d =0.673). Aceste rezultate demonstrează importanța comparării schimbării similarității pentru evenimentele înrudite cu o linie de referință, deoarece chiar și elementele care nu au legătură se pot schimba în similaritate după învățare.

Apoi, am comparat în interiorul triadei D pentru triadele asociate cu o reactivare puternică cu linia de bază între triada D ca o validare a rezultatelor reflectoarelor noastre (Fig. 4D). După cum sa menționat anterior, o avertizare la această analiză este că rezultatele sunt potențial părtinitoare prin selectarea voxelilor identificați în analiza reflectorului de codare neuronală. În concordanță cu modelele prezise ale contrastelor reflectorului (Fig. 4B), am găsit dovezi pentru diferențiere, prin care modificarea similarității neuronale pentru triadele asociate cu o reactivare puternică a fost mai mică decât valoarea de bază între triade în DG/CA2,3 (t (25)=2.298, p =0.030, d{=0.451) și subiculul (t(25)=3.158, p =0.004, d=0.619). În cadrul CA1, am arătat o tendință de integrare cu o asemănare mai mare în cadrul triadelor asociată cu o reactivare mai puternică după învățare în raport cu linia de bază între triade (t(24)=1.766, p =0.090, d =0.353). Împreună, aceste analize post-hoc susțin rezultatul analizei reflector și arată că reprezentarea evenimentelor care se suprapun în subdomenii este influențată de reactivarea amintirilor aferente în timpul învățării.

Ca analiză exploratorie, am cuantificat, de asemenea, în cadrul triadei D pentru triadele asociate cu o reactivare mai slabă în timpul învățării. Am găsit dovezi pentru integrarea în DG/CA2,3 (t(25)=3.709, p =0.001, d=0.727) și o tendință în subicul (t( 25)=1.849, p =0.076, d =0.363), în care D pentru triadele asociate cu o reactivare mai slabă a fost mai mare decât cea observată pentru linia de bază între triade. Acest rezultat sugerează că schimbările de reprezentare în DG/CA2,3 pot varia în funcție de nivelul concurenței, care poate fi diferit atunci când amintirile sunt puternic sau slab reactivate. Nu au fost observate diferențe față de valoarea inițială pentru triadeasociat cu o reactivare mai slabă în CA1 (t(24)=1.062, p =0.299, d =0.212).

Integrarea memoriei sprijină deciziile de inferență

Am folosit un model bayesian pe mai multe niveluri pentru a examina relația dintre schimbarea similarității după învățare (adică, integrare sau diferențiere) și performanța la testul de inferență AC. De asemenea, am examinat relația dintre reactivarea amintirilor înrudite în timpul învățării și performanța de inferență. Un participant a fost exclus din această analiză din cauza unui număr insuficient de voxeli în CA1 (10 voxeli). Am folosit un model LBA pentru a modela simultan precizia inferenței și timpii de răspuns. Am folosit eșantionarea bayesiană cu modelul pentru a estima panta relațiilor dintre performanța de inferență și variabilitatea la nivel de triadă în schimbarea similarității șimemoriereactivare. Am evaluat mai întâi dacă eșantionarea bayesiană a fost convergentă. Nu au existat divergențe în timpul prelevării; pentru fiecare parametru din model, [Rhat] a fost, 1,00102 și dimensiunea efectivă a eșantionului a fost de cel puțin 5225. Aceste rezultate indică faptul că eșantionarea a convergit cu succes și au existat suficiente eșantioane pentru a estima fiecare parametru.

Am folosit parametri posteriori medii pentru a simula răspunsurile modelului și am constatat că a existat o potrivire bună pentru precizia observată (Fig. 5A) și timpii de răspuns (Fig. 5B) la testul de inferență, cu excepția unui număr mic de încercări. cu timpi de răspuns foarte mari. Parametrii medii de pantă pentru modificarea legată de învățare (Fig. 5C) au fost pozitivi pentru subicul (95% IDH=[0.043, 0,477], d =1 .37) șimemoriereactivare (HDI {{0}} [0.005, 0.437], d=1.51). Parametrii de pantă pentru CA1 (HDI=[ {{20}}.189, 0.244], d{=0}.15) și DG/CA2,3 (HDI=[ 0,393, {{4{0}},102], d =0,5{0) nu erau diferite de zero. HDI-urile de 95 la sută pentru ceilalți parametri de model au fost după cum urmează: A=[2.{{50}}59, 5,6{01], t {{31} } [0.00,009, 0,515], m2=[0,130, 0,812], s{{ 42}} [0,191, 0,831], sCA1=[0,004, 0,458], sDG/CA2,{3=[0,010, 0,577], sSubiculum=[0,002, 0,408]React=[0,0002, 0,327]. Aceste rezultate indică faptul că este mai marememoriereactivarea în timpul învățării și o mai mare similitudine a AC după învățare în subiculum prezic o inferență mai rapidă și mai precisă la nivelul încercărilor individuale.

cistanche tubolosa beneficii pentru sănătate: îmbunătățirea memoriei

Discuţie

Rezultatele noastre indică faptul că amintirile reactivate ghidează modul în care reprezentările evenimentelor conexe sunt organizate în circuitul hipocampal. Reactivarea amintirilor anterioare în timpul codificării unor evenimente noi, suprapuse, a prezis performanța de inferență pe întregul episod și a avut consecințe diferite pentru reprezentarea în subcâmpurile hipocampului; reactivarea puternică a condus la diferențierea amintirilor suprapuse în cadrul DG/CA2,3 și subiculum, promovând în același timp integrarea acelor amintiri în CA1. Lucrările anterioare s-au concentrat pe explicarea codificării subcâmpurilor hipocampului în termeni de funcție de transfer prin care modificările indiciilor de mediu conduc la ieșire neuronală diferențială (Leutgeb și colab., 2004, 2007; Lacy și colab., 2011; Yassa și Stark, 2011). Aici, arătăm că modificările inputului perceptiv nu sunt singurul factor care determină învățarea reprezentării în subcâmpurile hipocampului. Mai degrabă, datele noastre indică faptul că codificarea subcâmpului hipocampului este condusă în continuare de gradul în care o nouă experiență declanșează reactivarea episoadelor conexe. Rezultatele noastre extind astfel constatările anterioare pentru a arăta, la nivel de reprezentare, acea corticalămemoriereactivarea conduce la disocieri în codificarea subcâmpului hipocampului în fața competiției dintre amintiri foarte asemănătoare.

Lucrările anterioare privind reprezentarea hipocampului au conceptualizat în primul rând codificarea subcâmpului ca un proces automat ca răspuns la schimbările de mediu, în care intrările senzoriale sunt considerate a fi principalul motor al răspunsurilor hipocampului. De exemplu, studiile electrofiziologice timpurii la rozătoare au măsurat modul de plasare a răspunsurilor câmpului în subcâmpurile hipocampale reamenajate pe măsură ce animalele navigau în medii cu caracteristici perceptuale care se schimbă treptat (Guzowski et al., 2004; Lee et al., 2004; Leutgeb et al., 2004, 2007). ; Vazdarjanova și Guzowski, 2004). O astfel de muncă a dezvăluit că mici modificări ale caracteristicilor mediului au dus la schimbări dramatice în răspunsurile DG și CA3, reflectând ortogonalizarea tiparelor de intrare. În schimb, răspunsurile CA1 s-au schimbat treptat, crescând liniar cu cantitatea de schimbare perceptivă între medii; pentru mediile care erau mai similare din punct de vedere perceptiv, activitatea CA1 a arătat o suprapunere mai mare în răspuns. Lucrările anterioare la oameni au avut o abordare similară, prezentând participanților perechi de imagini vizuale foarte similare (de exemplu, imagini cu două mere diferite) și măsurând amploarea răspunsurilor subcâmpului hipocampului la ambele imagini (Bakker și colab., 2008; Lacy și colab. , 2011). În aceste studii, DG/CA2,3 a arătat un răspuns nou pentru ambele imagini foarte similare, sugerând codificarea separată a celor două imagini. Răspunsurile CA1 și subiculului la a doua imagine foarte asemănătoare dintr-o pereche au fost totuși suprimate în raport cu prezentarea primului membru al perechii, sugerând o reprezentare similară a imaginilor pereche.

În timp ce lucrările anterioare cu animale și oameni au dezvăluit disocieri importante între procesarea subcâmpului hipocampului, descoperirile noastre se bazează pe această muncă pentru a arăta că învățarea reprezentării hipocampului nu este doar un proces pasiv, ci este influențată activ dememoriereactivare (Hulbert și Norman, 2015; Kim și colab., 2017; Ritvo și colab., 2019). Arătăm că disocierile subcâmpului hipocampului sunt cele mai evidente atunci când amintirile trecute sunt puternic reactivate, producând o stare de învățare competitivă care promovează diferențierea în DG/CA2,3 și subicul, simultan cu integrarea în CA1. Datele noastre indică astfel necesitatea de a cuantifica atât similitudinea perceptivă între evenimente, cât și modul în care caracteristicile perceptuale suprapuse declanșează reactivarea memoriei pentru a ține seama pe deplin de modul în care reprezentările disociabile apar în circuitul hipocampului. Un aspect interesant al lucrării umane anterioare descrise mai sus este că disocierile dintre sub-câmpuri depind de natura sarcinii îndeplinite (Kirwan și Stark, 2007; Bakker și colab., 2008; Lacy și colab., 2011). Atunci când manipularea experimentală critică (adică, asemănarea vizuală între elemente) a fost incidentă cu participanții la sarcină efectuată, s-au observat disocieri între subcâmpuri (Bakker și colab., 2008; Lacy și colab., 2011). Cu toate acestea, atunci când aceiași stimuli și proceduri de prezentare au fost combinate cu o concentrare intenționată a sarcinii, disocierile au fost mai puțin evidente (Kirwan și Stark, 2007). Sursa mecanică a acestor constatări divergente nu a fost încă dezvăluită. Prin cuantificarememoriereactivarea în timpul sarcinilor cu un accent intenționat sau incidental, s-ar putea obține mai multe perspective asupra modului în care obiectivele sarcinii influențează dinamica modului în care competiția memoriei influențează reprezentarea neuronală (Richter et al., 2016).

Descoperirile noastre pot fi conceptualizate în termeni de modele de învățare supravegheate și nesupravegheate, care se concentrează fiecare pe diferite ținte de învățare. În timp ce învățarea supravegheată este direcționată prin potrivirea reprezentărilor cu indiciile senzoriale observate direct în mediu, învățarea nesupravegheată ajustează reprezentările pentru a reduce competiția dintre o experiență curentă și cea reactivată.memoriereprezentări declanșate de noul eveniment (Ritvo et al., 2019) prin integrare sau diferențiere. În timp ce învățarea reflectă probabil un echilibru între mecanismele supravegheate și nesupravegheate, descoperirile noastre indică faptul că amintirile reactivate sunt o fațetă importantă a modului în care strategiile de codificare disociabile apar în subcâmpurile hipocampului.

Până în prezent, doar un alt studiu pe oameni a folosit analize reprezentaționale multivariate pentru a cuantifica o disociere între subcâmpurile hipocampului, în special atunci când indivizii au preluat informații despre contexte spațiale partajate sau distincte (Dimsdale-Zucker et al., 2018). Studiul respectiv a arătat că elementele învățate în același context spațial au provocat modele de activare suprapuse în CA1 și modele diferențiate în DG/CA2,3 în timpul regăsării în raport cu elementele care nu au împărtășit informații contextuale. Prezentele constatări diferă de acel studiu în mai multe moduri cheie. În primul rând, studiul anterior a măsurat codurile sub-câmpurilor în timpulmemorieregăsire, în timp ce munca noastră dezvăluie procesele active de învățare care conduc la formarea reprezentărilor subcâmpurilor disociabile. Mai exact, acel studiu anterior nu a cuantificat modul în care reactivarea amintirilor similare, fie în timpul învățării, fie în timpul recuperării, este legată de codificarea subcâmpului hipocampului. Aici, arătăm o disociere în codificarea subcâmpului hipocampului ca urmare amemoriereactivare. Mai mult, arătăm că codurile neuronale formate de subregiuni hipocampale nu doar sprijină recunoașterea simplă (Dimsdale-Zucker et al., 2018) sau memoria spațială (Leutgeb și colab., 2004, 2007), ci și inferența despre relațiile dintre amintiri (vezi de asemenea Schlichting et al., 2014). Deciziile de inferență au fost mai rapide și mai precise, cu o similaritate crescândă între elementele indirecte după învățare în subicul, indicând modul în care codurile suprapuse promovează extragerea cunoștințelor dincolo de experiența directă.

cât timp durează cistanche să funcționeze

Constatarea noastră că reprezentările subiculului urmăresc deciziile de inferență pot reflecta faptul că subiculul este structura de ieșire a circuitului hipocampal (O'Mara și colab., 2001), care joacă un rol cheie în rememorare (Viskontas și colab., 2009; Lindberg și colab. , 2017). În timp ce subiculul a arătat dovezi ale diferențierii legate de învățare pentru perechile care se suprapun în general, datele noastre de modelare indică faptul că schimbarea reprezentativă a subiculului reflectă un continuum de răspunsuri. Integrarea sporită (care poate fi considerată și o diferențiere mai mică) a promovat o inferență mai rapidă și mai precisă. Rezultatele noastre sugerează că, atunci când amintirile sunt mai integrate (sau mai puțin diferențiate), inferența este facilitată prin regăsirea unei conexiuni stocate între elementele indirect legate (Shohamy și Wagner, 2008; Schlichting et al., 2014); dimpotrivă, diferențierea ar putea încetini inferența între două urme separate care ar trebui recuperate și recombinate la testare (Koster et al., 2018).

La fel ca subiculul, DG/CA2,3 a prezentat o diferențiere legată de învățare și indirectmemorieelemente cândmemoriereactivarea a fost mai puternică în timpul codificării. Cu toate acestea, trebuie remarcat faptul că DG/CA2,3 diferențierea suprapuneriimemorieelementele au fost observate doar în raport cu linia de bază neînrudită, între triade; nu a existat nicio modificare a similitudinii de la învățare la post-învățare pentru elementele indirect legate de ele însele (Fig. 4D, insert). Această constatare este în concordanță cu lucrările anterioare care arătau diferențierea hipocampului pentru evenimente înrudite în raport cu cele necorelate după învățare (Favila și colab., 2016; Dimsdale-Zucker și colab., 2018), controlând totodată modificările de bază ale similarității care apar în timp. Mai mult, DG/CA2,3 a prezentat dovezi pentrumemorieintegrarea atunci când reactivarea memoriei a fost mai slabă în timpul învățării, sugerând potențialul pentru o dinamică reprezentațională mai nuanțată în această regiune. De exemplu, competiția de memorie provocată de reactivare poate avea o relație nemonotonă cu schimbarea reprezentativă în DG/CA2,3 (Ritvo et al., 2019). Reactivarea mai puternică poate promova diferențierea activă; nivelurile mai slabe sau intermediare de reactivare pot duce la integrare și nicio reactivare nu poate produce reprezentări care nu se suprapun, care sunt separate prin ortogonalizare pasivă. Această strategie complexă de codificare ar putea explica de ce DG/CA2,3 prezintă dovezi ale reprezentărilor diferențiate (Kim și colab., 2017) și integrate (Schapiro și colab., 2012) în diferite circumstanțe. În mod alternativ, rezultatele noastre pot reflecta utilizarea unei regiuni combinate DG/CA2,3, ale cărei componente se consideră că prezintă diferite funcții de transfer între indiciile de mediu și rezultatele rezultate.memoriereprezentări (Yassa și Stark, 2011). Modelul observat al rezultatelor indică faptul că cuantificarea reactivării memoriei împreună cu schimbarea reprezentațională este necesară pentru a înțelege pe deplin modul în care competiția de memorie afectează învățarea reprezentării în DG/CA2,3.

În concluzie, descoperirile noastre empirice susțin un model de calcul propus recent al circuitului hipocampal (Schapiro et al., 2017); simulările din acest model sugerează că CA1 poate reprezenta relații între evenimente, în timp ce reprezentările DG și CA3 pot sublinia diferențele dintre episoade similare. Descoperirile noastre se aliniază cu aceste predicții computaționale, CA1 formând reprezentări integrate pentru amintiri similare, în timp ce DG/CA2,3 și subiculul diferențiază aceleași experiențe. În plus, arătăm că reprezentările hipocampului susțin inferențe noi, facilitând descoperirea relațiilor neobservate între experiențe distincte, dar înrudite. Lucrarea de față arată în continuare că disociațiile subcâmpului hipocampului nu sunt o simplă funcție a inputului senzorial, ci rezultă dinmemorie-concurenta bazata pe timpul invatarii. Împreună, prezentul studiu ne avansează înțelegerea modului în care cunoștințele anterioare modelează modul în care sunt reprezentate evenimente noi în circuitul hipocampal, oferind un test empiric al predicțiilor cheie ale modelelor computaționale ale hipocampului.memoriefuncţie.